Google นำเสนอวิธีใหม่ชื่อ SKILL.state ที่ลดการใช้ token ถึง 94% ในเซสชันยาว โดยแทนการเก็บประวัติการสนทนาด้วยการบันทึกสถานะปัจจุบันและข้อมูลล่าสุดแทน วิธีนี้ทำให้ขนาดอินพุตคงที่แม้ในเซสชันยาว 100 ขั้นตอน งานวิจัยล่าสุดใช้ Gemini-3-Flash พบว่า SKILL.state ให้ความแม่นยำ 0.94 ด้วย token 65,000 ขณะที่วิธี LangGraph-style ใช้ token 1.1 ล้านแต่ความแม่นยำอยู่ที่ 0.91 ข้อจำกัดคือต้องอาศัยความสามารถของ agent ในการคาดการณ์ข้อมูลที่ต้องการในอนาคต หากไม่สามารถทำได้ agent จะต้องค้นหาข้อมูลซ้ำ งานวิจัยเผยแพร่ผ่าน arXiv.org ภายใต้หัวข้อ https://arxiv.org/abs/2608.26263 วิธีนี้ทำงานโดย agent บันทึกข้อมูลที่สำคัญสำหรับขั้นตอนต่อไปในสถานะ (state) แทนการเก็บประวัติการสนทนาทั้งหมด ทำให้ขนาดอินพุตไม่เพิ่มขึ้นแม้ในเซสชันยาว แต่ประสิทธิภาพขึ้นอยู่กับความสามารถของ agent ในการคาดการณ์ข้อมูลล่วงหน้า หาก agent ไม่สามารถทำได้ ระบบจะต้องค้นหาข้อมูลซ้ำ ซึ่งอาจลดประสิทธิภาพลง
สรุปด้วย MAF Local AI · เนื้อหาต้นฉบับเป็นของแหล่งข่าว